惠普公司推出新的数据中心动态冷却技术

简介:

在上本周四举行的HP技术论坛中,HP推出新的冷却技术,这种新技术被称为“动态灵活冷却”(Dynamic Smart Cooling),该冷却系统包括附在服务器上的一定数量的热传感器。当服务器由于工作负荷过大而导致过热时,这些传感器可以发出信号,接着将冷空气引向过热的服务器。当服务器运行减慢,热传感器会减少冷空气量。

动态灵活冷却系统是由HP公司实验室开发的,这一系统的运行情况在HP公司自身的数据中心中进行了验证。

201609071516307260

HP公司的首席信息官员和行政副总Randy Mott说,公司现在处在三年整合计划的第二年,整个整合工程是将全球85个数据中心整合为六个??两个位于亚特兰大,两个位于休斯顿,两个位于德克萨斯。这六个新地点中的三个工程已经完成并投入使用,其余的三个将在60天内完工。

Mott在一次发言中说,“这不仅是将员工转移到另一个工作地点的问题。”数据中心整合使得HP公司,以及任何开展整合的公司一次更新其技术的机会,将其产品转换成行业的标准产品,精简冗余和过时的硬件和软件设备,并使动力供给更高效(这是数据中心最新最关注的问题)。

在技术论坛上,Mott谈到了数据中心工程,这一工程计划于2008年完工,此次工程将使服务器数量减少30%,但总处理能力将提高80%;同时,存储器支出将减少,但总存储容量将翻倍;并且企业运行HP公司网络的费用将减少,但是带宽将是以前的三倍。

HP服务部的首席技术官员及副总Tony Redmond说,“我们试着在公司内部来试运行并确定某一技术是可行的,接着我们在用户的数据中心中开展该技术。”

HP公司IT部门的各小组(控制着HP公司自身的IT系统),和HP公司技术服务组(给客户公司提供技术服务)共同实施数据中心工程。Redmond说,HP服务小组成员所做的工作将帮助技术服务小组给客户提供建议。

在上本周四举行的HP技术论坛中,HP推出新的冷却技术,这种新技术被称为“动态灵活冷却”(Dynamic Smart Cooling),该冷却系统包括附在服务器上的一定数量的热传感器。当服务器由于工作负荷过大而导致过热时,这些传感器可以发出信号,接着将冷空气引向过热的服务器。当服务器运行减慢,热传感器会减少冷空气量。

动态灵活冷却系统是由HP公司实验室开发的,这一系统的运行情况在HP公司自身的数据中心中进行了验证。

201609071516307260

HP公司的首席信息官员和行政副总Randy Mott说,公司现在处在三年整合计划的第二年,整个整合工程是将全球85个数据中心整合为六个??两个位于亚特兰大,两个位于休斯顿,两个位于德克萨斯。这六个新地点中的三个工程已经完成并投入使用,其余的三个将在60天内完工。

Mott在一次发言中说,“这不仅是将员工转移到另一个工作地点的问题。”数据中心整合使得HP公司,以及任何开展整合的公司一次更新其技术的机会,将其产品转换成行业的标准产品,精简冗余和过时的硬件和软件设备,并使动力供给更高效(这是数据中心最新最关注的问题)。

在技术论坛上,Mott谈到了数据中心工程,这一工程计划于2008年完工,此次工程将使服务器数量减少30%,但总处理能力将提高80%;同时,存储器支出将减少,但总存储容量将翻倍;并且企业运行HP公司网络的费用将减少,但是带宽将是以前的三倍。

HP服务部的首席技术官员及副总Tony Redmond说,“我们试着在公司内部来试运行并确定某一技术是可行的,接着我们在用户的数据中心中开展该技术。”

HP公司IT部门的各小组(控制着HP公司自身的IT系统),和HP公司技术服务组(给客户公司提供技术服务)共同实施数据中心工程。Redmond说,HP服务小组成员所做的工作将帮助技术服务小组给客户提供建议。

本文转自d1net(转载)

相关文章
|
2月前
|
机器学习/深度学习 存储 监控
利用机器学习技术优化数据中心能效
【7月更文挑战第36天】在数据中心管理和运营中,能源效率已成为关键性能指标之一。随着能源成本的不断上升以及环境保护意识的增强,开发智能化、自动化的解决方案以降低能耗和提高能源利用率变得尤为重要。本文探讨了如何应用机器学习技术对数据中心的能源消耗进行建模、预测和优化,提出了一个基于机器学习的框架来动态调整资源分配和工作负载管理,以达到节能的目的。通过实验验证,该框架能够有效减少数据中心的能耗,同时保持服务质量。
|
5月前
|
机器学习/深度学习 存储 传感器
利用机器学习优化数据中心冷却系统
【5月更文挑战第30天】 在数据中心的运行中,冷却系统的能效对整体运营成本有着显著的影响。随着人工智能技术的进步,特别是机器学习(ML)的发展,出现了新的机会来优化数据中心的能源使用效率。本文将探讨如何通过机器学习模型预测数据中心的热负荷,并据此动态调整冷却策略,以实现能耗最小化。我们将介绍所采用的数据集、预处理方法、模型选择、训练过程以及最终实施的策略。结果表明,基于机器学习的预测系统能够有效降低数据中心的能源消耗,并为可持续运营提供支持。
|
5月前
|
机器学习/深度学习 监控 算法
利用机器学习优化数据中心冷却系统
【5月更文挑战第30天】在数据中心的运营成本中,冷却系统占据了相当一部分。为了提高能效和降低成本,本文提出了一种基于机器学习的方法来优化数据中心的冷却系统。通过对大量历史数据的分析和挖掘,我们设计了一个预测模型,用于实时监控和调整数据中心的温度。实验结果表明,该方法可以有效降低能耗,提高数据中心的运行效率。
|
5月前
|
机器学习/深度学习 资源调度 监控
利用机器学习技术优化数据中心能效
【5月更文挑战第30天】在数据中心管理和运营中,能源效率的优化是降低运营成本和减少环境影响的关键。本文旨在探讨如何应用机器学习技术来提升数据中心的能源效率。通过对现有数据中心运行数据的深入分析,开发预测性维护模型,以及实施智能资源调度策略,我们可以显著提高数据中心的能效。本研究提出了一种集成机器学习算法的框架,该框架能够实时监控并调整数据中心的能源消耗,确保以最佳性能运行。
|
5月前
|
存储 大数据 数据中心
探索现代数据中心的冷却革新
【5月更文挑战第29天】在信息技术不断进步的今天,数据中心作为计算和存储的核心枢纽,其稳定性与效率至关重要。随着处理能力的提升,散热问题日益凸显,成为限制数据中心性能的关键因素之一。本文将深入探讨现代数据中心面临的热管理挑战,并分享一系列前沿的冷却技术与实践,旨在为构建更为高效、环保的计算环境提供参考。
|
5月前
|
存储 大数据 数据中心
提升数据中心能效的先进冷却技术
【5月更文挑战第27天】 在信息技术不断进步的今天,数据中心作为计算和存储的核心枢纽,其能源效率已成为评价其可持续性的关键指标。本文将探讨当前数据中心面临的热管理挑战,并展示一系列创新的冷却技术解决方案,旨在提高数据中心的能效,同时确保系统的稳定性和可靠性。通过对比传统冷却方法和新兴技术,我们将分析各种方案的优势、局限性以及实施难度,为数据中心运营者提供科学的决策参考。
|
5月前
|
机器学习/深度学习 数据采集 存储
提升数据中心能效:采用机器学习优化冷却系统
【5月更文挑战第28天】在数据中心的运营成本中,冷却系统的能源消耗占据了显著比例。随着能源价格的不断上涨和可持续发展的需求日益增长,如何降低这一开支成为业界关注的焦点。本文将探讨利用机器学习技术对数据中心冷却系统进行优化的方法。通过分析历史数据和实时监控,机器学习模型能够预测冷却需求并动态调整系统设置,以实现最佳的能效比。这种方法不仅能减少能源消耗,还能提高系统的可靠性和稳定性。
|
5月前
|
机器学习/深度学习 传感器 监控
利用机器学习优化数据中心冷却系统
【5月更文挑战第27天】 随着数据中心能耗的不断攀升,尤其是冷却系统的能源消耗占据了相当一部分比例,如何通过智能化手段提高冷却效率成为行业关注焦点。本文提出了一种基于机器学习技术的数据中心冷却系统优化方案,通过实时监控和数据分析,动态调整冷却策略,以达到节能减排的目的。实验结果表明,该方案能有效降低数据中心的PUE值(功率使用效能比),为绿色计算提供可行的技术路径。
|
4月前
|
移动开发 监控 前端开发
基于 HTML5 WebGL 和 VR 技术的 3D 机房数据中心可视化
基于 HTML5 WebGL 和 VR 技术的 3D 机房数据中心可视化
|
5月前
|
机器学习/深度学习 算法 数据中心
利用机器学习优化数据中心冷却系统
【5月更文挑战第29天】 在数据中心的运营成本中,冷却系统占据了显著的比重。随着能源价格的不断攀升以及可持续发展的需求日益增加,开发高效、节能的冷却技术变得至关重要。本文将探讨如何应用机器学习算法来优化数据中心的冷却系统性能。通过对历史温度和负载数据的分析,我们训练了一个预测模型来动态调整冷却需求,实现按需冷却。结果显示,使用机器学习方法可以有效减少能耗,同时保持适宜的操作环境。